Módulo 1: Fundamentos de XAI

Introdução à Explainable AI: conceitos básicos e importância

História e evolução da transparência em IA

Tipos de explicabilidade: local vs. global

Desafios éticos e regulatórios em XAI

Módulo 2: Técnicas de Interpretabilidade

Métodos baseados em Feature Importance

LIME (Local Interpretable Model-agnostic Explanations)

SHAP (SHapley Additive exPlanations)

Interpretabilidade em Redes Neurais: Visualização de Camadas

Módulo 3: Aplicações Práticas

XAI em Processamento de Linguagem Natural

XAI em Visão Computacional

XAI em Sistemas de Recomendação

XAI em Diagnóstico Médico

Módulo 4: Implementação e Avaliação

Frameworks e Ferramentas para XAI

Métricas de Avaliação para Explicabilidade

Integração de XAI em Projetos Existentes

Boas Práticas e Tendências Futuras em XAI